---
title: "Entrega Dashboards con R y RStudio 2025"
author: "C. Serna"
date: "`r Sys.Date()`"
output: 
  flexdashboard::flex_dashboard:
    theme: united
    source_code: embed
    favicon: logos/ucm_favicon.png
    navbar:
      - { title: "Datasets", href: "https://www.ucm.es/la-universidad-en-cifras", align: left }
---


```{r setup, include=FALSE}

# Primero cargamos los paquetes necesarios
library(flexdashboard)
library(readr) 
library(dplyr)
library(ggplot2)
library(DT)
library(plotly)

# Vamos a procesar los datos para realizar nuestros análisis
df <- read_delim("datos_tratados.csv", delim = ";")
df$CURSO <- factor(df$CURSO)
df$CENTRO <- factor(df$CENTRO)

# Preparamos los datos para no perder información de curso y centro
df_M <- select(df,CURSO,CENTRO,TOTAL_MUJERES)
df_H <- select(df,CURSO,CENTRO,TOTAL_HOMBRES)
colnames(df_M)[3] <-"TOTAL"
colnames(df_H)[3] <-"TOTAL"

df_M$GENERO <- rep('Mujer', times = nrow(df_M))
df_H$GENERO <- rep('Hombre', times = nrow(df_H))

# Trabajaremos en la visualización a partir de este data frame
df_total <- bind_rows(df_M,df_H)

```


# Datos por SEXO
## Columna 1
### Datos de MUJERES
```{r}
# Crear una tabla interactiva con DT
tabla_interactiva  <- datatable(df_M, options = list( pageLength = 10))
tabla_interactiva
```

### Datos de HOMBRES
```{r}
# Crear una tabla interactiva con DT
tabla_interactiva  <- datatable(df_H, options = list( pageLength = 10))
tabla_interactiva
```


# Visualización {data-orientation=rows}
## Row 1
### Total de alumnos por curso
```{r fig.width=10, fig.height=5}
ggplot(df, aes(x = CURSO, y = TOTAL)) +
  geom_col(fill = "grey") +
  labs(title = "U.C.M.", x = "Curso", y = "Total de alumno/as.",
  ) + theme_bw() +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 8))
```

## Row 1
### Total de alumnos por curso y género
```{r fig.width=10, fig.height=5}
ggplot(df_total, aes(x = CURSO, y = TOTAL, fill = GENERO)) +
  geom_col(position = "dodge") +
  labs(title = "U.C.M.", x = "Curso", y = "Total de alumno/as.",
  ) + theme_bw() +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 8)) +
  scale_fill_manual(values = c("#2a9d8f", "#e07a5f"))
```

# Datos interactivos {data-orientation=rows}
## Row 1 {data-height=140}
### Objetivo de este análisis
El objetivo de este análisis con *datos interactivos* es comprobar visualmente la diferencia entre **hombres** y **mujeres** en carreras de ciencias de la salud vs carreras tecnológicas. Para ellos hemos seleccionado los siguientes centros:

1. __CIENCIAS DE LA SALUD__: BIOLOGICAS, MEDICINA y VETERINARIA
2. __TECNOLÓGICAS__: INFORMÁTICA, FÍSICAS y MATEMÁTICAS

## Row 2
### Comparación hombres y mujeres por centro
```{r}

df_filt <- filter(df_total, CENTRO == "BIOLOGICAS" | CENTRO == "MEDICINA" | CENTRO == "VETERINARIA"
                  | CENTRO == "INFORMATICA" | CENTRO == "FISICAS" | CENTRO == "MATEMATICAS")
  
g1 <- ggplot(df_filt, aes(x = CURSO, y = TOTAL, fill = GENERO)) +
  geom_col(position = "fill") +
  labs(x = "",
       y = "Porcentaje") +
  scale_fill_manual(values = c("Mujer" = "#e07a5f", "Hombre" = "#2a9d8f")) +
  theme_bw() +
  facet_wrap(~ CENTRO, scale = "free_y") +
  theme(axis.text.x = element_text(angle = 30, vjust = 1, hjust = 1, size = 7))
g2 <- ggplotly(g1)
g2
```